通过靶向LGR4克服结直肠癌的获得性耐药 研究背景: 获得性药物耐药是癌症治疗的主要障碍,也是癌症死亡的主要原因。但耐药机制多种多样,如何特异性地针对耐药癌细胞仍是一大临床难题。Wnt通路活化可维持癌stammm细胞存在并诱导化疗耐药,因此靶向Wnt通路被视为一种有前景的克服肿瘤耐药的策略。 研究者和发表情况: 该研究由南开大学陈泉教授课题组完成,论文发表于2024年4月份的《自然-癌症》杂志。论文通讯作者为南开大学陈泉教授、中国科学院动物研究所杜雷研究员和南开大学胡刚教授。 研究流程: 1) 研究者建立了一个包括22例结直肠癌患者源来的肿瘤干株库,并通过反复暴露于低剂量化疗药物,诱导部分肿瘤干株获得耐药表型。 2) 转录组学分析发现,获得性耐药肿瘤干株中Wnt通路关键蛋白LGR4显著升高。...

利用动态单细胞分析发现一种临床有效的嵌合抗原受体T细胞亚群用于治疗弥漫大B细胞淋巴瘤 研究背景 嵌合抗原受体(CAR)T细胞疗法已被证实是一种有效的治疗B细胞恶性肿瘤的方法。然而,目前仍然难以预测个体对CAR T细胞疗法的临床反应。通过整合功能和分子分型有望揭示与CAR T细胞治疗效果相关的细胞特征,从而促进该疗法的发展和应用。 研究机构和发表刊物 这项研究由来自休斯顿大学、Kite生物医药公司、德克萨斯儿童医院贝勒医学院、德克萨斯大学MD安德森癌症中心等机构的研究人员合作完成。论文发表于《自然-癌症》杂志。 研究方法和主要发现 研究人员利用时间延迟成像显微术测量CAR T细胞与肿瘤细胞的动态相互作用,并整合了亚细胞水平的分子表型和单细胞RNA测序数据,对16例弥漫大B细胞淋巴瘤患者输注的C...

这是一项关于小儿胶质瘤幸存者的长期预后研究。研究的主要目的是评估近几十年小儿胶质瘤治疗方式的变迁对幸存者远期死亡率、慢性健康状况及后续肿瘤发生风险的影响。 背景介绍: 过去,小儿低级别胶质瘤(PLGG)的治疗通常包括手术切除、全颅照射以及传统细胞毒性化疗。然而,全颅照射会增加后续肿瘤、认知障碍等远期并发症的风险。20世纪80年代开始,化疗逐渐被用于推迟或避免使用全颅照射,尤其是对于年龄较小的患儿。到90年代,以卡铂为基础的方案成为手术后一线治疗选择。本研究旨在评估这种治疗策略转变对幸存者远期预后的影响。 研究对象: 本研究来源于美国儿童癌症幸存者队列研究(CCSS),入组对象为1970-1999年期间在美国和加拿大诊断的小儿胶质瘤5年存活者,共2501例。 主要研究方法: 1) 按诊断年代分...

当今,大型语言模型(LLM)在多个领域展现出专家级的表现,这引发了人们对其内在推理过程的浓厚兴趣。理解LLM是如何产生这些惊人的结果,对于未来人工智能代理的发展和确保其与人类价值观相一致都具有重要意义。然而,现有LLM的架构使得解释其内在过程颇为困难。因此,研究人员开始借鉴心理学研究中常用的方法来探索LLM的推理模式,产生了”机器心理学”这一新兴研究领域。 本文作者 本论文的作者来自不同机构: - Guilherme F.C.F. Almeida,Insper教育与研究学院,巴西 - José Luiz Nunes,天主教里约大学信息学系,巴西; FGV里约法学院,巴西 - Neele Engelmann,波鸿鲁尔大学,德国;人机中心,马克斯·普朗克人类发展研究所,德国 - Alex Wie...

引言: 当前,预训练语言模型(PLM)在自然语言处理领域获得了广泛应用,但它们存在继承并放大训练语料中的社会偏见的问题。社会偏见可能导致PLM在现实应用中产生不可预测的风险,如自动求职筛选系统会由于性别偏见而将需要逻辑能力的工作(如医生、程序员等)倾向于分配给男性,将需要照顾能力的工作(如护士、保姆等)分配给女性;医疗系统则可能存在种族偏见,计算显示在相同风险水平下,黑人病人比白人病人更”虚弱”。因此,消除PLM编码中的社会偏见成为一个富有意义且具有挑战性的研究领域。 论文来源: 该论文发表于2024年的权威期刊《人工智能》(Artificial Intelligence)第332期,第作者为李颖吉,第二作者为Mengnan Du,其余作者分别来自吉林大学计算机科学与技术学院、新泽西理工学院...

在非凸模型和异质数据环境下解决去中心化SGD问题的一种通用的动量范式 研究背景介绍 近年来,随着物联网和边缘计算的兴起,分布式机器学习得到了迅猛发展,尤其是去中心化训练范式。然而,在实际场景中,非凸目标函数和数据异质性成为制约分布式训练效率与性能的两大瓶颈问题。 非凸优化目标函数广泛存在于深度学习模型中,它们可能存在多个局部最优解,从而导致模型精度下降、训练过程不稳定等问题。同时,在分布式环境下,参与计算的各节点持有的数据分布存在差异(即异质性),此种数据偏差会给收敛性和泛化性能带来不利影响,成为另一个亟待解决的挑战。 文章来源 本文发表于著名期刊《人工智能》(Artificial Intelligence)2024年第332期,作者来自上海电力大学计算机科学与技术学院。 研究工作 3.1 ...

引言 人工智能系统对常识知识的缺乏一直是制约该领域发展的主要瓶颈之一。尽管在近年来通过神经语言模型和常识知识图谱获得了长足进展,但”概念化”这一人类智慧的关键组成部分却未能很好地在人工智能系统中体现。人类通过将具体事物或情境概念化为抽象概念并基于此进行推理,来获取和理解世界上无穷无尽的实体和情景。然而,有限的知识图谱无法涵盖现实世界中种类繁多的实体和情景,更不用说对它们之间的关系和推论了。 本项研究深入探讨了概念化在常识推理中的作用,并构建了一个框架来模拟人类的概念归纳过程:从现有的情景常识知识图谱中汲取有关抽象概念的事件知识,以及更高层次的关于这些抽象概念的三元组或推理。该框架首先对常识知识图谱ATOMIC中的事件实例进行概念识别和概念化,利用语言模型和启发式规则生成表示抽象概念的抽象事件...

背景介绍: 事件抽取是自然语言处理领域的一个热门任务,旨在从给定文本中识别出事件触发词及其相关论元。该任务通常分为事件检测(提取事件触发词)和论元抽取两个子任务。传统的pipeline方法是分开执行这两个子任务,但存在错误传递的问题。近年来,joint模型兴起,能够将两个子任务统一起来学习,避免错误传递,但仍然忽视了论元多路复用(argument multiplexing)问题。 论文简介: 本文提出了一种基于多重图(multigraph)表示的事件抽取框架。多重图允许两个节点之间存在多条并行边,能够很好地表示事件的语义结构,并解决论元多路复用问题。基于该框架,作者设计了一种端到端的多重图事件提取模型(MGREE),可以同时提取事件触发词、相关论元及其语义角色。 研究机构及作者: 本项研究由...

一种处理开放世界新奇事物的神经符号认知架构框架 论文背景 传统的人工智能研究假设智能体工作在”封闭世界”中,即环境中所有与任务相关的概念都是已知的,而不会出现新的未知情况。然而,在开放的真实世界中,总会出现违背智能体先验知识的新奇事物。本文提出一种新颖的混合神经符号推理架构,赋予智能体检测和适应新奇事物的能力,从而能在开放世界中完成任务。 新奇事物的定义 本文将新奇事物视为一种智能体相关的概念。如果智能体无法从其知识库中推导出某一事物的表征,那么该事物对于该智能体而言就是新奇的。根据新奇事物对智能体完成任务的影响程度,文中将新奇事物分为以下几种类型: 禁止性新奇事物:智能体必须表征并推理这种新奇事物,才能够生成能完成任务的计划。 阻塞性新奇事物:会导致智能体执行器执行失败。 有益新奇事物:掌...

基于移动网络学习时空动态以适应开放世界事件 研究背景 现代社会的出行服务(Mobility-as-a-Service,MaaS)体系由多种交通方式(如公共交通、网约车、共享单车等)无缝集成而成。为实现MaaS平稚运营,对多模态移动网络的时空动态建模是必不可少的。然而,现有方法要么隐式地处理不同交通方式之间的相互作用,要么假设这种交互作用是不变的。更有甚者,当发生开放世界事件(如节假日、恶劣天气、疫情等)时,人群的集体移动行为将发生显著偏离常态的情况,这使得该建模任务更加具有挑战性。 论文来源 本文由伊利诺伊大学厄巴纳 - 香槟分校地理与地理信息科学系的Zhaonan Wang、东京大学空间信息科学中心的Renhe Jiang、Xuan Song、Ryosuke Shibasaki,以及新南威...